Стрічка новин про штучний інтелект і машинне навчання

Головні новини та публікації щодня! Будьте на крок попереду: дізнавайтеся першими про нові ідеї, тренди та інновації у сфері технологій

Оптимізація масштабування моделей за допомогою кешування контейнерів в Amazon SageMaker AI.

Amazon SageMaker AI представляє функцію кешування контейнерних образів, що дозволяє скоротити час відгуку вдвічі під час масштабування, вирішуючи проблему затримки, пов'язану з завантаженням контейнерних образів для моделей генеративного штучного інтелекту. Це покращення підвищує швидкість автоматичного масштабування, усуваючи необхідність завантажувати контейнерні образи при запуску нових інст...

Підвищення ефективності декодування за допомогою технології P-EAGLE на платформі SageMaker.

AWS представляє Parallel-EAGLE (P-EAGLE), технологію, яка прискорює роботу мовних моделей шляхом одночасного передбачення всіх потенційних токенів у процесі обробки даних за один прохід. P-EAGLE усуває послідовну фазу генерації тексту, що дозволяє досягти збільшення продуктивності до 1.69 рази порівняно з традиційними фреймворками, такими як EAGLE-3, який тепер підтримується Amazon SageMaker Ju...

Захистіть ваші ШІ-системи: API "Guardrails" від Amazon Bedrock.

Amazon Bedrock Guardrails представляє API InvokeGuardrailChecks для застосувань агентного штучного інтелекту. Цей API дозволяє налаштовувати засоби захисту на кожному етапі роботи системи ШІ, надаючи числові показники для кожного засобу захисту, що покращує контроль безпеки та захищає конфіденційну інформацію.

Динаміка розвитку виробництва в Массачусетському технологічному інституті (MIT).

Інноваційний виробничий центр (INM) Массачусетського технологічного інституту святкує свій перший рік роботи, проводячи Тиждень промисловості, де представлені рішення в галузі штучного інтелекту, стартапів та кадрових ресурсів для промислової трансформації. INM надихає нові виробничі стартапи за допомогою таких програм, як NSF I-Corps New England, сприяючи інноваціям та підприємництву у цій гал...

Розширте можливості ваших досліджень за допомогою технологій Deep Agents та Bedrock AgentCore.

LangChain Deep Agents вирішує проблему балансу між глибиною аналізу та контекстом у робочих процесах дослідження, що базуються на штучному інтелекті, шляхом делегування складних завдань окремим підкомпонентам. Amazon Bedrock AgentCore забезпечує необхідну інфраструктуру, дозволяючи розробникам створювати конкурентоспроможні дослідницькі агенти з ізольованими середовищами виконання для багатоета...

Покращення алгоритму Support Vector Regression (SVR) за допомогою мови програмування C#.

Перероблений ядро регресії за методом гребінця, написане на C#, приблизно імітує метод опорних векторів для регресії. Ця техніка поєднує переваги обох методів для ефективної обробки великих наборів даних.

Представляємо Omnigent: розгортання агентів штучного інтелекту на платформах Databricks

Компанія Databricks випустила Omnigent — «мета-фреймворк» з відкритим кодом для агентів штучного інтелекту під ліцензією Apache 2.0, що забезпечує безперебійну співпрацю та управління. Omnigent стандартизує інтерфейси, дозволяючи інженерам легко замінювати та координувати роботу декількох агентів, розширюючи можливості компонування та обміну даними.

Компанія Zyphra презентує революційну модель Zamba2-VL

Компанія Zyphra представляє Zamba2-VL — нову серію моделей для обробки зображень та мови, що відрізняється унікальною гібридною архітектурою, яка забезпечує вищу точність та меншу затримку. Базова архітектура Zamba2 поєднує шари простору станів Mamba2 та спільні блоки трансформерів, демонструючи високу продуктивність у різних тестах.

Занурення у програмування на C# за допомогою ключового слова «dynamic»

Ключове слово «dynamic» у C# спрощує додавання додаткових показників оцінки до регресійних моделей, підвищуючи гнучкість та ефективність. У демонстрації представлено різноманітні методи оцінки, такі як RMSE, R² та точність базової лінії, що дозволяє більш якісно оцінювати моделі.

Rocket Close: підвищення ефективності операцій за допомогою штучного інтелекту

Компанія Rocket Close, що входить до складу Rocket Companies і базується в Детройті, спільно з AWS розробила Supercharger — рішення на базі штучного інтелекту, покликане оптимізувати робочі процеси в сфері оформлення прав власності та підвищити ефективність процедур кредитування й купівлі житла. Supercharger централізує знання, автоматизує завдання, що вимагають значних дослідницьких зусиль, а...

Оптимізуйте оцінку штучного інтелекту за допомогою Agent-EvalKit

Agent-EvalKit пропонує комплексну інфраструктуру для оцінки агентів штучного інтелекту, що дозволяє відстежувати використання інструментів та достовірність даних. Цей інструмент інтегрується з популярними помічниками з програмування ШІ та надає детальні рекомендації щодо вдосконалення на основі аналізу коду. Для ефективної оцінки необхідно вимірювати якість агента за різними параметрами, причо...

Покращте ефективність регресійного аналізу за допомогою AdaBoost.R2 у C#

AdaBoost. Регресія R² прогнозує окремі числові значення шляхом послідовного вдосконалення регресійних дерев. Демо-програма демонструє точність 82,50 % на навчальних даних і 52,50 % на тестових даних.

Співробітники Массачусетського технологічного інституту отримали престижні стипендії Герца на 2026 рік

Фонд Герца присудив стипендії студентам Массачусетського технологічного інституту (MIT) — Анніці Маршнер, Альвіну К. Менгу, Закарі С. Сігелю та Метью Ванті — надавши їм п’ятирічну фінансову підтримку для проведення новаторських досліджень. Стипендіати отримують автономію та доступ до мережі, що налічує понад 1 300 стипендіатів, що сприяє спільним проривам у галузі науки та технологій.

Чжао Цзіньхуа призначено керівником відділу міських досліджень та планування

Цзяо Цзіньхуа призначено керівником кафедри міських досліджень та планування Массачусетського технологічного інституту (MIT), яка відома своєю роллю у формуванні глобальних систем мобільності та налагодженні зв’язків між науковими дослідженнями та державною політикою. Співпраця Цзяо з провідними транспортними агентствами по всьому світу та заснування ним Ініціативи з мобільності MIT підкреслюю...

Сила трійки у прогнозуванні вподобань

Стаття Л. Л. Терстоуна 1927 року, присвячена моделям випадкової корисності, заклала основи для розуміння людських уподобань. Нещодавні дослідження фахівців Массачусетського технологічного інституту (MIT) відкривають нові перспективи та можливості вдосконалення цих моделей.